これまで弊社のブログでは、Contrail (設計根拠ナレッジ AI) や Sentivox (音声振り返り AI) など、業務に特化した AI アプリの開発事例をいくつかご紹介してきました。それらの記事の最後で、決まって「Aina’Ola クローンと連携すれば、もう一段深い使い方ができます」と書いてきましたが、そもそも Aina’Ola (アイナオラ) とは何なのか、まとまった説明をしていませんでした。
「Aina’Ola って何ですか」「クローン人格って結局なんですか」── 社内外でよく聞かれます。中小企業の経営者やマネージャの方から見ると、ChatGPT や Claude といった一般的な AI サービスとどう違うのか、自社でわざわざ使う意味があるのか、なかなかイメージが湧きにくい領域だと思います。
そこで本連載では、「Aina’Ola について」と題して、全 5 回に分けて以下を順番に掘り下げていきます:
| 回 | テーマ |
|---|---|
| 第 0 回 (本記事) | Aina’Ola とは何か ── 全体像 |
| 第 1 回 | なぜ自分専門の AI が必要だと感じたのか |
| 第 2 回 | クローンを業務で使う ── 周辺アプリとの組み合わせ |
| 第 3 回 | クローン人格の作り方 ── 3 階層の構造 |
| 第 4 回 | クローンを育てる ── 維持・メンテと自動化 |
本記事は連載の「序章」として、Aina’Ola の全体像と、なぜわざわざ「自分専門の AI」を作っているのかをご紹介します。
Aina’Ola という名前について
Aina’Ola (アイナオラ) は、弊社が「育てる AI クローン基盤」として開発しているシステムの名前です。
名前の由来は「AI なオイラ」── つまり「AI 版の自分」です。社員 3 名の小さな会社の代表として、毎日たくさんの判断を求められる中で、「自分の判断軸を AI に乗せておいて、定型的な部分は AI に任せたい」という発想から出発しました。
クローン人格とは何か
Aina’Ola のいちばんの中心にあるのが クローン人格 という考え方です。
一般的な AI サービス (ChatGPT、Claude、Gemini など) は、世の中に公開された膨大なデータで学習されています。だから「平均的に正しい」「教科書通り」の答えは得意ですが、「あなたの会社が、過去どんな判断をしてきたか」「あなた個人が、どんな観点で物事を判断するか」までは知りません。
クローン人格とは、特定の人物 (たとえば経営者本人、ベテラン技術者、トップ営業担当) の判断軸・口調・知識・経験を AI に乗せたものです。「自分なりの AI」「あの人ならどう答えるか」を再現するためのもう一人の自分と言い換えてもいいかもしれません。
たとえば弊社の場合、代表取締役である竹内のクローン人格を Aina’Ola 上に作っています。このクローンは、過去の経営判断、業界の知見、顧客対応の癖、書き方の特徴などを学習した、「AI 版の竹内」です。社内の質問や検討事項に対して、「竹内ならこう答えるだろう」という回答を返してくれます。
クローン人格は 3 つの階層でできている
Aina’Ola で構築するクローン人格は、ざっくり3 つの階層で成り立っています。経営者の方には、「どんな人なら、どう考え、何を根拠に判断するか」の 3 段階と思っていただくと分かりやすいかと思います。
| 階層 | 役割 | 例えるなら |
|---|---|---|
| Identity (アイデンティティ) | 価値観・性格・口調。判断の「軸」となるコンパス | その人の人柄・信念 |
| Skills (スキル) | 判断ロジック・思考フレームワーク。入力から出力を導くエンジン | その人の考え方の癖 |
| Resources (リソース) | 根拠となるデータ・過去の実績・社内知識。判断を支える証拠 | その人の経験・記憶 |
この 3 つが揃って初めて、「ChatGPT に質問する」のとは違う、その人なりの回答が返ってくるようになります。たとえば「この案件、引き受けるべきか」という質問に対して:
- Identity が「短期の売上より、長期の信頼関係を重視する」とコンパスを示し
- Skills が「利益率・納期リスク・顧客重要度の 3 軸で評価する」と評価軸を示し
- Resources が「過去に似た案件で起きたトラブル・成功例」を根拠として引いてくる
こうして、「あなたならこの案件をどう判断するか」が、社内のチャット画面の中で返ってくるようになります。
Aina’Ola と周辺アプリの関係
Aina’Ola それ自体は「クローンを育てて保管する基盤」です。これだけだと「育てて、どうするの?」となるので、実は弊社では業務ごとの専用アプリを並行して開発しています。これまでブログでご紹介した Contrail (設計根拠ナレッジ AI) や Sentivox (音声振り返り AI) がそれにあたります。
関係を図にすると、こんなイメージです:
| レイヤ | 担当 | 具体例 |
|---|---|---|
| 業務アプリ | 業務固有の作業 (設計根拠の蓄積・通話の振り返り など) | Contrail / Sentivox / 今後追加予定のアプリ群 |
| Aina’Ola 基盤 | クローン人格を構築・育成・保管する共通基盤 | Aina’Ola (本連載の主題) |
| Local LLM ほか | 外部に出さない AI の実行環境 | Ollama・社内サーバー |
業務アプリは Aina’Ola にあるクローンを「お借り」して、業務の振り返りや改善提案に使います。たとえば Sentivox は通話録音の文字起こしと感情分析までを担当しますが、「このベテラン営業ならこの商談をどう振り返るか」という改善提案の部分は、Aina’Ola で育てた営業クローンが受け持ちます。
つまり、Aina’Ola を 1 つ整えておけば、業務アプリは何個増えても同じクローン人格を共有できます。新しい業務アプリを作るたびにゼロから AI を仕込み直す、ということがなくなる設計です。
使う AI は自由に選べる ── 特定の AI に縛られない設計
Aina’Ola のもう一つの大きな特徴は、クローン人格のデータ (Identity・Skills・Resources の 3 階層) が、すべて利用者側のローカル環境で蓄積・管理されることです。クラウドの AI サービスに自社の判断軸や過去案件データを預ける構成ではありません。
クローンと会話するとき、Aina’Ola はそのクローンの人格情報・スキル・参照すべき過去案件を、その場で組み立てて AI に渡します。この「人格情報を渡される側の AI」は、どんな AI でも構わない設計です。状況に応じて自由に選び、自由に切り替えられます。
| 使い分けの例 | 選ぶ AI |
|---|---|
| 機密性の高い質問 (顧客名・金額・図面情報を含む) | ローカルマシンの Local LLM (Ollama 等) で完結 |
| 複雑な思考・大規模な分析が必要な案件 | クラウドの高性能 AI (Claude / GPT 等) を一時的に使用 |
| 軽い問い合わせ・コスト重視 | 軽量モデル (Gemini Flash 等) で安く速く |
| AI 業界に新しい強力なモデルが出てきた | そちらに乗り換える (クローンは作り直し不要) |
こうした切り替えが、クローンを作り直すことなく、設定を変えるだけでできます。なぜなら、クローンの本体 (人格・知識・経験) はすべて Aina’Ola 側に置いてあり、AI はそれを「読んで返事を組み立てる」役割しか担っていないからです。
これは、特定の AI サービスに会社の判断軸や過去案件データを預けてしまうと、そのサービスの仕様変更・料金変更・サービス終了に振り回される、という問題への対策でもあります。判断軸の主導権を AI ベンダーに渡さないことを設計の根本に置いています。
さらに、機密語句が含まれる質問は、まず Local LLM で秘匿処理 (マスキング) を行ってから商用 AI に渡す、という出力フィルタも組み込まれています。「Claude や GPT を使いたいが、顧客名や金額は外に出したくない」というニーズにそのまま応えられる仕組みです。
なぜ「自分専門」にこだわるのか
ここまで読まれた方の中には、「ChatGPT を使えばいいのでは?」「専門の AI サービスを契約すればいいのでは?」と思われる方もいらっしゃると思います。
もちろん、世の中の AI サービスは年々高性能になっています。ただ、私たちが感じているのは、「公開データから作られた AI は、AI の進化に伴ってどんどん汎用化していく」 ── つまり、競合他社も同じ AI を使えるようになっていく、という現実です。
一方で、「自分の判断軸」「自社の過去案件の蓄積」「ベテラン社員の暗黙知」は、公開データには絶対に出てきません。だからこそ、ここに AI を乗せておけば、それは他社が真似できない自分専門の差別化資産になります。
「自分専門の AI を、自分で育てて使う」── これが Aina’Ola の出発点であり、本連載で 5 回かけてご紹介していく内容の根っこにある考え方です。
次回予告
次回 第 1 回 では、もう少し具体的に「なぜ自分専門の AI が必要だと感じたのか」を、弊社で実際に起きた「承認作業が回らなくなった」という話を中心にご紹介します。AI で業務スピードが上がった先に何が起きるか、現場の話としてお読みください。
連載全体については以下をご覧ください:
- 第 0 回 (本記事): Aina’Ola とは何か ── 全体像
- 第 1 回: なぜ自分専門の AI が必要だと感じたのか
- 第 2 回: クローンを業務で使う ── 周辺アプリとの組み合わせ
- 第 3 回: クローン人格の作り方 ── 3 階層の構造
- 第 4 回: クローンが何を見て答えているか ── ナレッジ参照と、普通の RAG との違い
- 第 5 回 (最終回): クローンを育てる ── 維持・メンテと自動化
関連ページ:
- Aina’Ola Project の概要 → Aina’Ola Project とは
- Contrail 開発事例 → AIと相談しながら 設計の根拠を引き出すアプリを作りました
- Sentivox 開発事例 → 音声から 感情・文脈・改善ポイントまで AIが振り返るアプリを作りました
- 受託開発のご相談 → お問い合わせ